热力图的画法-分析数据

数据可视化往往可以帮助我们分析特征构成，寻找特征区间，以及解释实验结果的功能。热力图是常用的数据可视化方法之一。

代码

def plot_heatmap(df, imagSavePath):
    """
    :param df: dataframe, which has column names
    :param imagSavePath: save the image to this path
    :return: no return, save files
    """
    matrix = abs(df.corr())
    plt.subplots(figsize=(50, 50))  # 设置画面大小
    sns.heatmap(matrix)
    plt.savefig(imagSavePath)
复制代码

我们函数输入一个dataframe，然后吧图片写入到制定路径就可以了。一般直接打出来显示的不太清晰，还是保存起来比较好。

值得注意的是，corr()函数原本计算出来的相关矩阵取值范围是(-1,1)，-1代表最负相关，1代表最正相关，0代表不想关。我认为在机器学习领域，负相关在某种意义上与正相关是一致的。所以不相关才是我们意想中的无意义。所以我给他加上了abs取绝对值